تحلیل آسیب پذیریهای سیستم های تعبیه شده مبتنی بر یادگیری ماشین

امنیت سیستم های تعبیه شده در مقایسه با سیستم های معمول ی به دلیل محدودیت منابع در حافظه ، پردازش و قدرت رو به ضعیف شدن می باشد. نشریات روزانه آسیب پذیریهای مختلف مرتبط با این سیستم ها را برجسته می کنند. در حالی که تلاشها ی قابل توجهی برای نظام مندسازی و تحلیل این موارد صورت گرفته است آسیب پذیریها، بیشتر مطالعات بر رو ی مناطق خاص ی در سیستم های تعبیه شده تمرکز می کنند و فاقد پیادهسازی هوش مصنوعی (AI) هستند. هدف این تحق یق رفع این شکافها با استفاده از ماشین بردار پشتیبانی (SVM) برای طبقه بند ی آسیب پذیریهایی است که از پایگاه داده آسیب پذیریهای مل ی (NVD) و به طور خاص آسیب پذیریها ی سیستم تعبیه شده را هدف قرار می دهند. نتایج نشان می دهد که هفت مورد از ۱۰ مورد مشترک، آسیب پذیریها ی ضعف شمارش (CWE) در سیستم های تعبیه شده نیز در ۲۵ نقطه ضعف نرم افزاری برتر CWE در سال ۲۰۲۲ وجود دارد. یافته ها ی این مطالعه محققان و شرکت های امنیتی را در تجزیه و تحلیل جامع آسیب پذیریها ی سیستم تعبیه شده و توسعه راهحل های مناسب تسهیل می کند.

Keywords:

سیستم تعبیه شده , هوش مصنوعی , SVM ,